Solución del problema del agente viajero mediante clústeres y algoritmos genéticos
Resumen
El presente trabajo de investigación busca resolver el bien conocido Problema del Agente Viajero, utilizando para ello los algoritmos genéticos, dividiendo al problema en cuestión a través de agrupaciones denominadas clústeres, con la intensión de reducir el número de nodos al momento de aplicar los algoritmos genéticos. Es por ello que se propone un método para estructurar los clústeres, definiendo inicialmente K puntos llamados centroides en cada uno de los K clústeres, para posteriormente recalcular a los centroides en cuestión, de tal manera que la distancia entre cada uno de estos en su respectivo clúster y cada uno de los nodos, sea la mínima, hasta el punto en que los centroides no se muevan más; para posteriormente aplicar algoritmos genéticos a cada uno de ellos en busca de minimizar las distancias, para finalmente unir a cada uno de los clústeres con un método también propuesto y con ello llegar a una buena solución del problema inicial.
Descargas
Citas
Buthainah, F. (2008) Enhanced traveling salesman problem solving by genetic algorithm technique. World Academy of Science, Engineering and Technology, 38, 296-300.
Dantzig, G., Fulkerson R., Johnson, S. (1954) Solution of a large scale traveling salesman problem Journal of the Operations Research Society of America, 2(4), 393-410.
Chatterjee, S., Carrera, C., Lynch, L.A. (1996) Genetic algorithms and traveling salesman problem. European Journal of Operational Research, 93(3), 490-510.
Cook, S. (2000) The P versus NP Problem. Clay Mathematics Institute.
Haupt, E. (1998) Practical genetic algorithms. Wiley-Intersciencie Rewiew.
Homaifar, A. (1992) Schema analysis of the traveling salesman problem using genetic algorithms complex systems. Computer Engineering NC AT University, 6(6), 533-552.
Laporte, G. (2002) Some applications of the clustered travelling salesman problem. Journal of the Operational Research Society, (53), 972–976.
Mitchell, M. (1996) An introduction to genetic algorithms. Cambridge, Massachusetts London, England.
Sivaraj, R., Ravichandran, T., Priya, D. (2012) Solving traveling salesman problem using clustering genetic algorithm. International Journal on Computer Science and Engineering (IJCSE), 4, 1310 -1317. ISSN: 0975-3397.
Tan, P. (2006) Steinbach, M., Kumar, V. Introduction to data mining. Boston: Pearson Addison Wesley.
Tanasanne, P. (2014) Clustering evolutionary computation for solving travelling salesman problems International Journal of Advanced Computer Science and Information Technology (IJACSIT), 3, (3), 243-262, ISSN: 2296-1739
Zbigniew, M. (1994) Genetic algorithms data structures evolution programs. Springer, New York, USA.